blog

Los coches autónomos, los asistentes virtuales de voz, los bots… son aplicaciones de la inteligencia artificial (AI, por sus siglas en inglés) de los ordenadores que están cada vez más integrados en nuestra vida. Gmail usa AI para reconocer el spam. Amazon, para recomendaciones de lo que estás buscando, igual que hace gran parte de la industria del retail. Netflix la utiliza para realizar sugerencias según tu historial de vistas. Google Maps, para establecer las rutas. Spotify usa la Inteligencia Artificial para ofrecer recomendaciones basadas en otros usuarios parecidos a ti. Tesla, para su funcionalidad de autopilot V9: el software reconoce los objetos usando 8 cámaras, incluso logrando diferenciar motos, coches y camiones.

 

No solo las grandes empresas, también las startups están desarrollando muchas aplicaciones. Por ejemplo el asistente digital Sherpa, que está entre las 100 mayores innovaciones en AI por el estudio CB Insights; o Wide Eyes, con productos de recomendaciones sobre moda, nombrada la mejor startup de la industria fashion retail.

Este es el estudio de CB Insights sobre las startups de AI más prometedoras en 2019:

El grado de adopción de AI varía según la industria y el área de la organización:

Fuente: estudio Mckinsey

¿Cuáles son las ramas de AI?

En el siguiente gráfico vemos las distintas ramas de AI, por tipo de tecnología y técnicas que tienen diferentes aplicaciones.

Machine Vision

Extracción y análisis de imágenes y videos para dar como resultado datos de lo que se observa.

 

Natural Languaje Procesing

Es el procesamiento del lenguaje natural por ordenador, impulsado los últimos años añadiento técnicas de marchine learning.

 

Machine learning y Deep learning

AI machine learning y deep learning son frecuentemente términos intercambiables, pero son conceptos diferentes.

 

Deep Learning es un subconjunto de Marchine Learning . En Deep Learning en lugar de “enseñar” al sistema con una gran entrada de datos y conjuntos de reglas para determinar si acierta con identificar un tema u objeto, lo que se hace es tener varios subsistemas, llamados capas, de ahí la palabra “Deep”, cada uno de estos especializado en una característica para finalmente, como si de un jurado se tratara, combinar las respuestas de todas las capas para identificar el tema u objeto.

 

 

El potencial de AI en el mercado

De acuerdo a Statista en 2019 el mercado de AI es de 11 billones de dólares

Retos en la adopción AI

Estrategia AI en la organización

Existe un gran interés en las organizaciones europeas, pero solo cerca del 20% utiliza estas tecnologías, cifra muy inferior en SMEs ( Medium – Size enterprises ). IDC estima que las inversiones más grandes en AI están en las recomendaciones de productos, automatización de sistemas, análisis de fraude, gestión de la calidad y detección de amenazas de ataques. Los sectores de banca, retail y manufactura son los tres donde está puesto el foco de la inversión europea.

Fuente: estudio Comision Europea

 

Talento

Los países que han adoptado antes la AI tienen trabajadores altamente formados; esto es una gran ventaja en términos de tamaño del beneficio de las tecnologías AI. Por ejemplo, para Finlandia, se prevé que el crecimiento económico -una vez que el impacto de la AI se haya absorbido en la economía- alcance el 4,1% del PIB.

Silos funcionales

Los silos funcionales de sistemas en una organización no facilitan la AI, una tecnología que depende de la ingesta de gran cantidad de datos. Es necesario que estos sean de calidad y provengan de varios sistemas de la organización. Las organizaciones que tienen una estrategia de transformación digital ya no tienen este problema.

IDC predice que en 2019 el 40% de las iniciativas de transformación digital serán soportadas por AI.

 

Inversión en la infraestructura

Al ser la Inteligencia Artificial una tecnología costosa en el sentido de consumo de procesamiento de recursos de infraestructura de hardware, puede no estar al alcance de las SMEs. Gracias a los proveedores cloud se pueden tener estos servicios bajo demanda en modo PaaS. También se han desarrollado técnicas para reducir esta necesidad, una de ellas es la destilación del conocimiento.

Organizaciones que quieren una ruta práctica a la adopción AI han visto útil una tecnología llamada plataforma como servicio.

Fuente: Harvard Business Review

 

AI en productos Oracle

Oracle tiene productos middleware y de bases de datos autónomas que son capaces de provisionarse de recursos, escalar, tunearse… lo que incluye la posibilidad de crear los índices para ayudar a mejorar la performance, además de gestionar diferentes aspectos como aplicar los updates, patchs de seguridad y hacer los backups. Esta tecnología usa machine learning con el objetivo de reducir el error humano y mejorar la disponibilidad.

 

A continuación, comentamos algunas adquisiciones de Oracle en el campo de AI.

 

DataScience.com (2018)

Oracle aparece como líder en la categoría de herramientas de soluciones para equipos de proyectos de Analítica Predictiva y  Machine Learning en el estudio de Forrester (2018).

Fuente: Oracle blogs

Zenedge (2018)

Zenedge es una firma especializada en ciberseguridad que aplica AI para la detección de malware.

 

DataFox (2018)

Una compañía con servicios cloud de inteligencia artificial que extrae datos de múltiples fuentes para tener el conjunto más actual y preciso de información para optimizar decisiones de negocios.

 

Conclusión

La AI es una ventaja competitiva que las organizaciones terminarán adoptando tarde o temprano (porque su rival ya lo hizo). A continuación, unos consejos:

1. Crear un plan estratégico de AI.
2. Conectar, evitar los silos para tener fuentes de datos diversas de aplicaciones, procesos, dispositivos y empleados.
3. Recolectar datos para usar machine learning para crear valor para el negocio.
4. Apoyarse en herramientas PaaS para la ejecución de proyectos AI.